自駕車

自動駕駛汽車(AV)正飛速發展，傳統的汽車製造商和新的參與者都大筆投資於此推動創新的技術。雖然AV具有提高汽車安全性和駕駛便利性的潛力，但有鑑於其複雜度，業者需要使用嚴格的測試和驗證系統，確保汽車在所有交通、道路及天候狀況下的安全性。當然，AV將使用基於人工智慧(AI)的方法，讓汽車能夠透過電信服務和基礎設施供應商進行通訊。 車聯網是AV技術的基礎。系統與汽車就道路和交通狀況、附近的汽車以及有關駕駛體驗的其他重要元素進行通訊。AV技術結合了多個感測器、電腦和軟體，來生產自動駕駛汽車。這些汽車在行駛里程方面相較由人力駕駛的汽車在統計上已被證明更加安全。 Waymo(先前稱為Google自動駕駛汽車計劃)，在以時速每小時2英哩，總駕駛距離超過500萬英哩的紀錄下，僅出現了一次無人受傷的錯誤事故報告。即便如此，要建立消費者對完全自動駕駛汽車的信任仍然是一項挑戰。例如，有73%的美國駕駛人表示，他們非常害怕乘坐完全自動駕駛汽車，而根據一份2018年美國汽車協會(AAA)的調查，有63%的美國成年人表示，當他們在步行或騎腳踏車時，對必須和自動駕駛汽車共用道路感到不安全。 自動駕駛旨在提升行車安全 基於駕駛人錯誤導致的事故數量，安全問題是首要考量。根據統計，大約有94%的嚴重碰撞，部分是由於頻繁且可預測的駕駛錯誤造成，例如超速、駕駛能力降低或在分心狀態下駕駛。因此安全性改進也常常是AV潛在優點列表的第一名，將人為錯誤因素從駕駛方程式中排除，大幅減少交通傷亡事故。部署AV技術還有其他優點，如隨著人口老化，AV技術可為年長者和殘障人士提供更多的便利和自由。此外，還有新的運輸模式和商業模型潛能，例如自動化計程車隊和共享自動駕駛汽車；這將帶來個人生產力更加提高的願景。 自動駕駛層級概述 今天，有各種自動化選項能夠協助駕駛人，有些也已經進入市場。為了正確看待此技術，汽車工程師協會(SAE)已經為AV建立了自動化層級，如圖1所示。 圖1　SAE 自動化層級(SAE Automation Level)描述了不同級別的自動駕駛汽車能力。 ．層級0乃完全非自動化；由駕駛人完成所有工作。 ．層級1則增加了一些駕駛輔助功能，例如主動車距巡航控制和盲點偵測。 ．層級2仍然需要駕駛人駕駛，但提供轉向輔助和速度控制功能。 ．層級3汽車可自動駕駛，但仍需要人力駕駛保持專注並在指定的時間內負責控制。 ．到了層級4和層級5，AV才變得真正自動化。例如，層級4自動駕駛限制特定條件，例如特定地理位置或路線、天氣、交通類型、速度和道路。層級5則是沒有限制條件的自動駕駛汽車。 汽車產業正在層級1和層級2迅速地為汽車增加功能，並且擁有很多協助駕駛人的機會，同時維持駕駛人主動控制的現有車型。各種不同的感測器(攝影機、雷達、光達和超音波感測器)，讓汽車「看見」周圍發生的事情並自動協助駕駛人。許多汽車都已提供駕駛人輔助功能，例如盲點偵測、倒車攝影、自動遠光燈、主動車距巡航控制、車道維持輔助和自動煞車。 部份專家對層級3自動化的可行性表示憂慮，因該層級要求駕駛人在汽車進行一段長時間的自動駕駛時保持警惕。一項需要考慮的重點是，在什麼情況下必須由駕駛人控制以及對該情況有多少反應時間。Audi汽車表示，其交通堵塞導航功能可在交通回堵期間，或是以最高達65公里/小時(40.4英哩/小時)的速度行駛時，提供層級3自動化。在塞車期間此系統允許駕駛人暫時放鬆，但要求駕駛人在系統發出通知後10秒鐘內接管控制。 層級1到層級3能夠提高汽車安全性，但需要層級4和層級5來提供額外的潛在優點，包括殘障人士和年長者的行動性改善、個人生產力的提高，以及新的運輸模型。這使得層級4和層級5成為大多數AV方案的最終目標，即將駕駛交給汽車本身。而層級4是層級5的前身並限制了操作適用範圍(ODD)；即AV只有在某些特定條件下是自動化的。例如，層級4的AV可能只處理特定類型的道路，像是高速公路、HOV車道、AV專用車道、鄉村道路或封閉的校園；視能見度可能存在限制；在極端天候下沒有AV行為。另一項限制可能是對預先劃定區域的AV或道路的特定基礎設施支援。 部署可能是本地或區域性的，要達到納入所有情境的100%涵蓋率是困難的。而要達到95%並不是太難，但最後的5%具有挑戰性；因此減少ODD會產生重大影響。 例如，早期的層級4使用案例可能是一項受限的自動化計程車服務，在使用已知街道、較低速度、極端天候等資料良好劃定的區域，提供所需的最低能見度。另一種可能的首波部署選項是長途貨運卡車，限制在特定、已知的路線。層級5自動化帶來了處理每一種可能駕駛狀況的挑戰，且由於具有軟體提供的系統擴充性，可實現了以世界功能最強大的軟體定義驅動程式，取代普通驅動程式的願景。 感測/通訊助力自動駕駛實現 結合使用的新技術讓AV的實現成為可能，像是感測器、運算能力、智慧軟體、通訊和導航。AV使用感測器觀察周圍世界，就像人類駕駛一樣；或許比人類更好，因為它們可同時看到所有方向(圖2)。 圖2　自動駕駛汽車使用一系列的感測器來查看駕駛環境。 AV用來監控駕駛環境的感測器包括： ．攝影機拍攝影像 ．雷達偵測和測距系統(RADAR) ．光達偵測和測距(LIDAR) 顯示系統使用必須處理獲取有幫助的資訊之影像感測器。雷達感測器安裝於汽車的前方或後方，在24GHz的短距或77GHz的長距下運作，以監控交通和障礙物。它們可以偵測到範圍從幾公分到幾百公尺遠的物體，而超音波感測器可在停車或其他有需要的活動時，用近拍功能來偵測物體。 光達感測器使用脈衝雷射來偵測物體，通常具有比雷達更高的解析度但距離較短。光達仍然是一種尚未成熟的技術，通常也更昂貴；但其更高解析度能夠提供更完整的汽車環境顯示，可用來分辨不同類型的物體。無線通訊藉由AV扮演重要角色，讓汽車能夠和其他汽車(V2V)、行人(V2P)或路邊基礎設施(V2I)交換資訊。通常，這些都包含在車聯網(V2X)裡。這些通訊通道為AV提供重要資訊，包括交通堵塞和危險道路通知。兩種主要的競爭通訊手段是5.9GHz頻段的專用短距通訊(DSRC)、和使用未來5G能力的蜂巢式V2X。 例如全球定位系統(GPS)這樣的導航輔助功能，將會以AV技術進行整合。GPS可以給予AV從一個地點到另一個地點的路線，但它也可以和詳細的地圖結合使用，以改善自動駕駛、行駛車道位置和交通訊號。 嚴格測試對獲得認可非常重要 所有新技術都面臨採用的障礙，AV也不例外。由於涉及安全問題，可預期AV的採用初期將會遭遇到許多消費者的抵制。近期一項對美國公路駕駛人的調查，發現有63%的美國駕駛人表示，對乘坐完全自動駕駛汽車感到害怕；而此數據已低於更早之前的調查。 大眾輿論、熟悉和信任度，在消費者接受AV技術的意願中扮演重要角色。隨著AV技術被證明並變得更令人熟悉，消費者的看法可能會隨著時間的推移而改變。AV測試對於驗證自動駕駛汽車是否足夠安全到上路行駛至關重要。隨著汽車製造商為其汽車添加更多駕駛人輔助功能，層級1到層級3的自動化方案正逐步被採用；層級4和層級5則代表更大的挑戰，因為人為駕駛已從系統中移除，讓AV自行駕駛。 複雜環境驗證系統效能 系統都具有非零的故障率，因此，雖然希望能夠設計出一部永遠不會做出錯誤決策的AV，但真正的問題是它必須要有多好，畢竟一般人會預期AV設計的表現將優於人類駕駛；然而，究竟要怎麼知道AV已經達到可信賴的水準。 對此，Rand Corporation最近一份研究報告得出以下結論。自動駕駛汽車必須行駛數億英哩，有時甚至是數千億英哩，才能證明其在傷亡事故方面的可靠性。雖然引用行駛的哩程數可以讓我們瞭解需要進行多少測試，但它並不是描述測試穩定性的可靠指標。在鄉村高速公路上進行1英哩的測試，和在複雜的城市環境中的1英哩測試，結果將截然不同。具體來說，必須確保對重要的邊緣案例進行測試，這些具挑戰性的情境在正常交通情況下很少發生，但一旦發生就可能會致命。 此外，同一報告也指出現有的測試和驗證方法可能不夠充足，AV技術的開發人員和第三方測試者，必須開發能夠證明其安全性和可靠度的創新方法；兼具硬體和軟體的複雜系統，需從一開始就包括品質和可靠度標準，若嘗試採用低效設計來測試品質，將無法產生最佳品質結果。 有效的驗證計劃是以考量整個系統運行的測試策略開始。電子和軟體的元件已成為現代汽車的一部分，因此汽車產業已具有設計和驗證系統可靠度的經驗。當前的測試策略採用分層式方法，在系統的各種抽象層級進行驗證。圖3展示了一種常見的V開發模型方法，其在系統的每個層級連接設計需求和測試規格。 圖3　V開發模型在系統的所有層級維持驗證和可追溯性。 ISO 26262是規範汽車電氣和電子系統功能之安全性的國際標準。該標準即使用 V開發模型來確保整個系統正常運作並維持高水準的安全性。系統中的每個元件都具有指定的汽車安全和完整性層級(ASIL)，其中「A」是最不嚴格的層級，而「D」是最嚴格的層級。它是一種基於風險的安全標準，對危險運作情況的風險進行定性評估，並定義安全措施以避免或控制系統故障，並檢測或控制隨機硬體故障或減輕其影響。 系統層級驗證確保車輛效能 在廣泛的環境、道路和交通條件下測試汽車，是AV系統效能的最終測試。理想情況下，這將涵蓋所有可能的駕駛情境，以確保AV能夠處理它們。由AV公司進行的公共道路測試已經得到了許多宣傳效果，因為它對一般大眾來說是確實可見的。 這種類型的道路測試非常寶貴，因為它將汽車展露在各種真實情境中。AV公司也使用私人測試軌道，這些軌道提供可控且可重複的環境，但測試情境的變異因素較少。虛擬測試軌道正以合理的成本，成為可產生各種可重複測試情境的重要工具。 模擬駕駛情況無疑地將在AV的測試策略中扮演重要角色。因為感測器和致動器發送和接收的是數位資料，所以其感測世界會以數位串流資料的形式進行擷取和播放。AV的虛擬表現以虛擬感測器及致動器達到完整，由和真實世界汽車相同的軟體所駕駛，在虛擬世界中進行測試。當汽車在這種環境中運行時，模型會複製汽車在真實世界中「看到」的內容。這種虛擬測試方法重建了AV駕駛情境，並且可以用更低的成本「行駛」數百萬英哩，同時提供比實際道路測試更易於重複的結果。 提高測試和記錄可靠度增加駕駛信心 消費者已經看到了AV技術的潛在價值，也就是安全性改進、便利性和更強的行動性，但他們仍然擔心這項新技術的整體安全性。只要業界持續發展穩定的安全追蹤記錄，實際體驗使用AV將有助於建立消費者的信心。要建立此追踪記錄，需要強大的測試和驗證系統。 我們需要在整個生態系統中應用系統工程設計原則。AV製造商正在開發強大的設計和測試策略，以證明他們的技術，同時提供可靠的汽車。對這些複雜系統進行嚴格測試對於驗證其安全性非常重要，並將決定AV是否足夠安全上路。雖然這一切並不容易，但AV產業必須不斷創新並找到新的方法來測試和驗證系統，打破信任障礙，贏得消費者信心。 (本文由是德科技提供)

和當初的登月計畫一樣，邁向安全自駕車的路上也潛伏著許多障礙。最近多項自駕車事件引發大眾矚目，引發持負面看法的人士聲稱自駕車本身以及所處的週遭環境太過複雜，另外，其同時也還存在著太多的變數，而軟體也仍然存在著非常多的問題。對於曾參與ISO 26262車輛功能安全標準相容測試的人士而言，抱持這樣懷疑的態度是可以理解的，其立論的基礎為五家自駕車公司於2017年在矽谷進行測試，實際行駛里程除以測試過程中出現解除自駕(Disengagements)事件的次數(圖1)。2019年的數據則尚未公布。 圖1　加州五大自駕車製造商總行駛哩程除以解除自動駕駛次數的數據(2017年12月~2018年11月)。在此期間共有28家廠商在加州境內進行公開測試，自駕模式共行駛2,036,296英哩，期間共出現143,720次解除自動駕駛。 然而，自駕目標已勢在必行：完全自主駕駛的車輛即將誕生，而安全則是最優先的要素。加州汽車監理局(DMV)2018年非官方報告顯示，自駕車每英哩解除自動駕駛的次數持續降低，顯示系統的能力逐漸提升。然而這樣的趨勢還必須加快速度。 將分工協作與新思維放在第一位使得許多車廠直接和晶片廠商合作，感測器製造商開始和AI演算法開發者探討感測器融合；軟體開發商也終於和硬體供應商聯手推動軟硬體整合。舊有的合作關係逐漸改變中，而各方也積極持續發展新的合作關係，藉以優化最終設計成品的效能、功能、可靠度、成本以及安全性。 整個產業體系正尋找正確的模式，藉以建構與測試完全自駕車，進而支援包括無人駕駛計程車以及長途貨車等新興應用。在這樣的發展過程中，隨著感測器不斷改良，帶動先進駕駛輔助系統(ADAS)的進步，也促成了業界迅速推進至更高層級的自動駕駛。 這些感測器技術包括攝影機、光學偵測與測距(光達)、無線電波偵測與測距(雷達)、微機電系統(MEMS)、慣性量測單元(IMU)、超音波以及全球衛星定位系統，它們為AI系統提供了關鍵的輸入訊息，協助驅動著真正具感知能力的自駕車(圖2)。 圖2　各種不同的感測模組用來感知環境以及為ADAS提供車輛導航功能。它們通常獨立運作，為駕駛員提供警訊，協助作出應對的操駕動作 感知能力讓自駕車安全有保障 車輛的智慧程度通常以自駕車的自主能力等級(Levels Of Autonomy)來表達。其中第一級(L1)與第二級(L2)大致上屬於警示系統，到了第三級(L3)以上就具備避免意外的能力。到了第五級，自駕車就沒有配備方向盤，完全自主行駛。 在最初幾個系統世代，車輛開始配備L2功能，感測器系統已能獨立運作。這些警示系統的誤警率(False Alarm Rate)偏高，由於太煩人以致常被關掉。為打造具備完全感知能力的自駕車，車上配備感測器的數量顯著增加。此外，效能以及反應時間也大幅改善(圖3、圖4) 圖3　具完全感知能力的自駕車能感知當前與過去的歷史狀態、週遭環境的性質，以及車輛本身的狀態(位置、速度、軌跡以及機械狀況)這些都是自駕車維持安全不可或缺的要素。 圖4　自動駕駛等級以及感測器有不同的要求。 隨著車上裝載越來越多感測器，它們能進行更良好的監視，以及察覺當前的機械狀況，像是胎壓、重量變化(例如感知有一位或六位乘客上車或下車)，以及其他磨耗因素影響到煞車與操駕功能。隨著加入更多外部感測模組，車輛融入更完整的感知能力，能掌握車輛本身健康狀況以及週遭環境。 感測器模組的諸多進步讓車輛不僅能辨識環境的當前狀態，還能察知歷史紀錄。這方面要歸功於ENSCO公司航太科學與工程部門首席技術師Joseph Motola博士的研發成果。這項感測能力從感知如坑洞位置等這類簡單的路況，一直涵蓋到感知事故種類，以及在某些地區過去發生紀錄等複雜功能。 這些感知觀念在發展之際，包括感測等級(Level of Sensing)、處理、記憶體容量，以及連網等障礙使它們看似難以實現，但如今局勢已大為改觀。如今不僅系統能存取歷史資料，還能參照車輛各感測器擷取的即時資料，讓預防性以及事故規避動作的準確度能持續提高。 舉例來說，IMU能偵測忽然的顛簸或偏向，這些狀況都反映道路存在坑洞或障礙物。在以往即使收到這樣的資訊也沒有用，但如今即時連結讓這類資料能立即傳送到中央資料庫，用以警告其他車輛及早避開坑洞或障礙物。另外包括攝影機、雷達、光達，以及其他感測器的資料，也能進行相同的處置。 這類資料經過編譯、分析、融合後，讓車輛能針對所處環境做前瞻性的認知。如此一來，車輛就扮演學習機器的角色，進而做出比人類更好、更安全的決定。 感測融合發揮互補作用 車載尖端感知技術方面已累積長足的進展，業界的重點聚焦於從各種感測器收集資料，然後運用感測器融合策略盡可能發揮最大的互補作用，弭平在各種狀況下各自的弱點(圖5)。 圖5　每種感測模組都有其長處與弱點，但運用適當的感測器融合策略，即可融合各家長處並補強各自的弱點。  然而，若其要發展成真正能解決業界面臨問題的可行方案，則還有很長的一段路要走。舉例來說，攝影機能計算到橫向速度(亦即物體沿著和車輛行進路線垂直方向前進的速度)。另外，即使是最好的機器學習演算法，也需要約300毫秒的時間才能偵測橫向移動，並將誤報率維持在夠低的水準。若有一個行人在車輛前方以時速60英哩的速度前進，數毫秒的時間可能就是皮肉傷或致命重傷的差別，因此，反應時間至關重要。 300毫秒延遲是因為需要對連續視訊畫格進行Delta向量運算，而要做到可靠的偵測程序，至少需要10格以上的連續畫格，因此必須處理完一或兩個連續畫格，車輛才有時間去做反應，雷達目前已能做到這點。 同樣的，雷達在速度與物體偵測方面存在許多優勢，像是方位角(Azimuth)以及高度，還有能繞著看物體，但仍然需要提供更多時間讓車輛做出反應。面對時速400公里以上的目標，新發展的方案必須至少達到77GHz~79GHz的運行頻率。如此高的速度似乎太過，但卻是支援複雜分向車道公路的必備條件，在這類道路上車輛會以超過時速200公里的相對速度朝反方向行駛。 光達是介於攝影機與雷達兩者之間的感測器，這樣的屬性使它能運用在完全感知自駕車上並扮演關鍵元件(圖6)，但眼前，光達也仍有許多挑戰有待克服。 圖6　完全感知車輛運用先進雷達、光達以及攝影機，搭配慣性量測單元以及超音波技術，造就了360度的觀測能力。 光達持續演化成為小巧廉價的固態元件，能裝設在車身四周，支援360度全面向覆蓋；再輔以雷達這個攝影機系統，加入更高的角解析度(Angular Resolution)以及感知物體距離的深度判斷(Depth Perception)，因此也就能提供更精準的環境3D地圖。 然而，採用近紅外線(IR) (波長850~940奈米)作為光源有可能對視網膜造成傷害，因此光束輸出能量嚴格限制在905奈米波長下每脈衝上限為200奈焦(nJ)。然而若改用1,500奈米波長的短波IR，光線會被整個眼睛表面吸收，主管當局可採較寬鬆的規範，每脈衝上限設為8毫焦(mJ)。由於是905奈米光達能階的4萬倍，使得1,500奈米脈衝光達系統能提供4倍的傳輸距離。此外，1,500奈米系統對於像是陰霾、灰塵，以及懸浮微粒等環境狀況具有更高的耐受力。 1,500奈米波長光達面臨的挑戰是系統成本，主要來自光檢測器(Photodetector)技術(現今採用銦鎵砷材質元件)。發展高品質解決方案，高靈敏度、低暗電流，以及低電容。是打造1500奈米波長光達的關鍵要素。此外，隨著光達系統發展至第二與第三代，必須進行各種應用優化電路整合，才能壓低尺寸、功耗，以及整體系統成本。 除了超音波、攝影機、雷達，以及光達之外，還有其他感測模組也扮演關鍵角色，促成業界發展完全感知自主運輸載具。GPS讓車輛能在任何時刻掌握自己所在位置。不過，有一些地方無法收到GPS訊號，像是隧道以及高層建築物之間。在這些情境中，慣性量測單元就扮演了關鍵的角色。 經常被忽視的慣性量測單元，其所依賴的是不受環境條件影響維持恆定的重力，因此在推測導航(Dead Reckoning)方面相當有用。在暫時收不到GPS訊號時，推測導航採用包括車速計與慣性量測單元的資料來偵測行進的距離和方向，然後將推算出的資料疊到高解析地圖上。如此，即可讓感知力自駕車保持在正確的行進路線上，直到恢復正常GPS收訊為止。 高品質資料節省時間/提升安全 和這些感測模組一樣重要的是，若感測器本身並不可靠，而輸出的訊號並不是精準地擷取，並以高精準感測器資料的狀態饋送到上游端，那麼這些關鍵感測器的輸入資料就不可靠，輸入垃圾，輸出的也只會是垃圾。 要因應上述課題，即使最先進的類比訊號鏈也必須持續改進才能進行偵測、擷取、數位化，轉換成感測器訊號的輸出內容，因此其精準度與精密度不能隨著時間與溫度出現漂移。憑藉正確的元件以及設計的最佳策略，包括隨著溫度、相位雜訊、干擾以及其他造成不穩定現象產生的偏差漂移，其產生的難題都能大幅消弭。總而言之，高精準度/高品質資料至關重要，其攸關著機器學習以及AI處理器是否能正確訓練，以及做出正確的運行決策。然而這些程序必須在短短幾秒的時間內迅速完成。 在資料品質得到確保後，即可著手優化各種感測器融合方法以及AI演算法，以獲得正確的結果。不論AI演算法訓練到多好的程度，一旦模型完成編譯並部署到網路邊界的裝置之後，這些演算法就完全得依賴可靠、高精準的感測器資料才足以發揮效率。感測器模組、感測器融合、訊號處理以及人工智慧之間的互動，已對智慧/感知/自駕車的發展產生深遠的影響，並提高我們對於確保駕駛、乘客、以及行人安全的信心。然而倘若欠缺可靠、精準、高精密度的感測器資訊，上述目標就難以實現，而這些要素也都是安全自駕車的基礎。 和所有先進科技一樣，投入越多，就會發掘更複雜的使用情境以及衍生的問題，其複雜性將持續讓現有技術顯得力不從心，因此，必須期盼新一代感測器以及感測器融合演算法能克服這些難題。 和最初的登月計畫一樣，自駕車的整個計畫將對社會產生著長遠的顛覆性影響。從駕駛輔助到取代駕駛，不僅大幅改善了運輸的安全，生產力也會出現巨大的躍進。而這樣的未來，則有賴於感測器奠立的基礎，在此基礎之上各界才能發展所有其他元件。 (本文作者為ADI自主傳輸及安全副總裁)

在Level 2的先進駕駛輔助(ADAS)技術逐漸成熟後，眾多國際車廠持續精進自駕系統效能，期早日實現自動駕駛願景。然而，在Level 3自動駕駛車輛定義難明的情況下，Level 4自動駕駛車輛由於定義較明確，且多在限定區域內行駛，環境較為單純，對於車廠、新創及系統/車用電子元件等業者而言有更多的發展誘因。也因此，Level 4的自動駕駛車輛從2018年下半年開始不斷浮現，同時，新的營運模式也應用而生，眾多車商、租賃業者和新創業者紛紛透過自駕車實現公共接駁、貨物運送、定點接送等。換言之，以營運服務為主的Level 4車輛，成為自駕產業新的發展目標，且發展腳步相當迅速。 自駕接駁/運送車輛紛紛浮現 講到Level 4的自動接駁車輛，最令人印象深刻的應該就是Waymo。2018年年底Waymo推出首款自駕叫車服務Waymo One，在鳳凰城上路試驗；而到了2019年，Waymo擴大服務，與Lyft合作，不僅有更多的駕駛來體驗自動駕駛服務，同時在Lyft平台上部署Waymo自動駕駛車輛，可以讓鳳凰城地區的Lyft使用者選擇自動駕駛乘車體驗，讓Waymo獲得更多的乘客回饋意見，以改進自動駕駛技術。 另一方面，福特(Ford)旗下自動駕駛子公司Argo AI近期也在美國底特律推出第三代自動駕駛車隊，並規劃在邁阿密、華盛頓特區、匹茲堡、帕洛阿爾托、迪爾伯恩和底特律等城市逐步進行自動駕駛系統測試。 第三代自動駕駛車隊採用Ford Fusion Hybrid系統，並搭載了光達、攝影機和雷達以強化環境感知能力；同時還搭載了全新的運算系統，該運算系統提供的處理能力優於過往，並改進熱管理系統，使得車輛內部產生的熱能、噪音更少，這意味著任何乘客都將能體驗到更智慧的車輛，獲得更安靜、舒適的乘坐經驗。 除了Waymo、Argo AI之外，日產(Nissan)也積極推動無人計程車服務。Nissan計畫在2020啟動自駕計程車業務，該公司早先已與日本網路公司DeNA合作，推出自駕計程車新品牌Easy Ride，並進行實際上路測試；參與者可以沿著設定的路線(從Nissan全球總部到橫濱World Porters購物中心)，搭乘自動駕駛車輛，距離約4.5公里。 同時，日產和DeNA也將測試Easy Ride的獨特服務功能，使用專用的行動應用程序，乘客可以通過文字或語音輸入想要做的事情，而車載平板電腦螢幕將顯示附近500個推薦景點和活動，乘客可以從推薦列表中自行選擇想去的目的地，還可以從自己的智慧手機下載該地區零售業者和餐廳的優惠券。 至於在運送方面，2018年Kroger攜手Nuro，於亞利桑那州斯科茨代爾(Scottsdale)使用自駕車，為居民提供運送雜貨的服務；到了2019年，雙方將自動駕駛配送服務延伸至休士頓。 Kroger指出，自2018年8月以來，該公司與Nuro在科茨代爾開始營運自動駕駛雜貨送貨服務，在經過試營運後，雙方成功完成了科茨代爾數千筆的交易，證明了雙方的綜合技術和數位專業技術可以改變雜貨配送的體驗；基於此一經驗，便計畫將自動雜貨配送服務轉移至休士頓進行下一階段的試驗。 定義難明導致Level 3車款遲遲未現 財團法人車輛研究中心研究發展處經理陳建次(圖1)表示，根據國際自動機工程師學會(SAE)J3016標準，將自駕車自動化程度區分為Level 0~Level 5，目前Level 2的車型已陸續問世，且普及速度越來越快，不僅高階車款有配備，在中低階車款也愈來愈普遍。 圖1　財團法人車輛研究中心研究發展處經理陳建次表示，Level 3挑戰在於責任歸屬不明確。 然而，在Level 2的技術已逐漸成熟後，一般認為這些自動駕駛發展業者會繼續乘勝追擊，加速往Level 3邁進。然而，實際上這些自動駕駛發展業者所發布的Level 3車型或消息和預期相比，卻是十分有限；反而是Level 4自駕車的議題不斷出現，不禁會讓人思考，Level...

在Level 2的自動駕駛輔助(ADAS)技術逐漸成熟後，眾多國際車廠持續精進自駕系統效能，期早日實現自動駕駛願景。然而，在L3自動駕駛車輛定義難明的情況下，Level 4自動駕駛車輛由於定義較明確，且多在限定區域內行駛，環境較為單純，對於車廠、新創及系統/車用電子元件等業者而言有更多的發展誘因，也因此，Level 4的自動駕駛車輛從2018年下半年開始不斷浮現，且已有些許業者開始推動試營運的商用服務(如接駁、運貨等)，換言之，自動駕駛市場除了原有的一般房車之外，以營運服務為主的Level 4車輛，也成為新的發展目標，且發展腳步相當迅速。 根據國際自動機工程師學會(SAE)J3016標準，Level 3的定義為：「由自動駕駛系統進行所有的駕駛與操控。系統提出操作判斷要求時，駕駛人必須適當地回應」。 對此，工研院資訊與通訊研究所車載資通訊與控制系統組組長李夏新指出，可想而知，到了Level 3的時候，車子勢將會有更高的自駕程度、也會有更多的自駕時間。但是，當自駕車判斷有狀況無法自行處理時，便會警告駕駛，請駕駛接手，而駕駛必須在收到警告後，即時或是有足夠的時間接手以避免危險狀況，這也就是定義中所說的「統提出操作判斷要求時，駕駛人必須適當地回應」。但什麼叫做「適當地回應」，卻成為Level 3發展的一大棘手問題。 工研院資訊與通訊研究所車載資通訊與控制系統組組長李夏新。 李夏新進一步說明，何謂適當地回應，是一個很難界定的定義，說的白話一點，就是在駕駛人在收到系統警告時，要有足夠的時間可以接手方向盤，且在這途中還不能出事；而究竟多長的時間才能稱作足夠？是5秒、6秒甚至是10秒？這到目前沒有一個共通的標準，且也很難立下標準，因為每個駕駛人在啟動自駕功能時所做的事情都不一樣，所需的反應時間也不一。也因此，Level 3對於車廠、系統業者或汽車元件供應商而言成了一大挑戰，且關鍵不在於技術，而是在於如何實現SAE對Level 3的定義，因為這牽涉到了責任歸屬的問題，當真的出事了，該負責的究竟是車輛沒有給駕駛足夠的反應時間，還是駕駛自己沒有在時間內反應過來。 相較於Level 3，SAE對Level 4自動駕駛的定義則為：「由自動駕駛系統進行所有的駕駛與操控；系統提出操作判斷要求時，駕駛人不一定需要回應。受限於道路及環境條件」。李夏新指出，Level 4自駕車基本上就不需要人介入，且從定義上來看，必須要在「限定區域/路線」運行(例如公車行駛路線較固定或是有專用道)，簡單來說，Level 4車輛的行駛區域較為單純，對於環境掌握較為精準，意味著出意外的機率較小，因此發展反而較Level 3容易，而這也是為何開始有些車廠在實現Level 2之後，直接發展Level 4，或是新創業者都直接從Level 4切入的主要原因，而這也使得自動駕駛產業開始出現有別於傳統賣車的銷售思維及營運模式，也就是以「服務」為導向，像是巴士接駁、無人計程車隊等。

車輛發展超過百年，近來正逐漸由機械為主的架構轉向電氣化架構，1918年汽車首次導入蓄電池，隨著起動機的誕生，1920年蓄電池獲得了廣泛應用，當時蓄電池的電壓等級是6V，並且正極接地。由於內燃機排氣量持續增加以及高壓縮比內燃機的出現，1950年電壓等級開始向12V進化，直到現在，12V電壓系統已經使用超過60年。 1988年，美國SAE(Society of Automotive Engineers)曾提議把標準電壓提高至42V，由於當時的技術水平，以及電氣零組件替換的高昂費用，此方向未獲得車商廣泛支持。2011年，Audi、BMW、Daimler、Porsche、Volkswagen等歐系車廠聯合推出48V系統，以滿足日益成長的車載電子負載需求，更重要的是為了滿足2020年嚴格的排放法規，並在隨後發布了48V系統規範LV148。 48V系統可以應用在所有包括內燃機(Internal Combustion Engine, ICE)車、油電混合車與電動車，因為車輛電控系統越來越多，電源管理的需求提升，以基本電學公式來看，在功率不變的狀況下，電壓提升為12Ｖ的四倍，電流就會降低為1/4，電流變小整個傳輸電路安全性也因此提高，而損耗降低，傳輸產生的廢熱也變小。藉由將車電系統的電壓提高，汽車製造商得以在電力系統足以負擔的情況下將許多傳統的機械、液壓系統轉換為電子式的系統，藉此減少引擎負擔、改善排放。另一方面，48V車電系統也能夠驅動過去12V車電系統無法支援的大功率電動馬達，打造微型油電形式的混合動力系統。 48V車用電源效率大幅提高 48V相對於12V，優勢除了更大的電壓能實現更多功能之外，成本僅是高壓混合動力系統的1/3，能夠利用電氣化降低排放，卻能達到其2/3的節能效果，使整車燃油經濟性提高10%~18%。省油效果相對明顯，對現有整車結構改變不大，不會大幅度更改車輛設計或者增加重量，是一種車廠最容易上手、用戶接受度最高的混合動力方案。 整體而言，現今汽車供電有多項趨勢，Vicor應用工程師張仁程(圖1)指出，高輸入範圍與電壓、高輸出功率、高效率、高能量密度(High Power Density)、小體積、低能量/重量比(Power to Weight)、散熱效率(Thermal Dissipation)、遠端管理(Telemetry)、低雜訊等都是發展重點。以750W的供電實例而言，12V系統電流達63A，傳輸使用2AWG電源線，每公尺重量約273公克，3公尺線路損耗約13.6W；而48V系統電流降到16A，使用12AWG電源線，每公尺線路重量僅27公克，3公尺線路損耗8.6W，重量剩下1/10，損耗降低37%。 圖1　Vicor應用工程師張仁程 車輛電源48V系統的技術重點在提升電壓轉換效率。 雖然48V系統在傳輸與應用上有諸多優勢，但在技術上卻帶來許多設計挑戰，張仁程表示，過去12V要轉換到更小的系統應用，通常是降到5V，但是48V降壓到5V，降壓的幅度更大，就降壓效率來看損失必定更大，也就需要透過架構的調整盡量縮小轉換損失(Switching Loss)，因此這些技術就成為接下來新興電源設計的發展重點。 新興ZVS與SAC架構設計將成明日之星 電源轉換效率其實是錙銖必較的領域，對於數位技術來說，每個不同的產品世代效能提升兩倍是家常便飯，但是在類比電源世界，1%的電源轉換效能提升就是一個新世代產品了。目前一般的電壓轉換IC效率大概97%~98%，努力的目標是提升轉換效率到99%，甚至零耗損轉換，升壓轉換又比降壓轉換困難，要做到雙向升降壓都具備高效率更是一大挑戰。 零電壓切換(Zero-Voltage Switching, ZVS)是一種將電流引導到開關中以在開關打開之前均衡任一側電壓的技術，張仁程進一步說明，這有助於減少切換損耗，使切換頻率提高四倍或更多，並縮小元件尺寸，減少大幅壓降的耗損。ZVS利用箝位開關和電路諧振，通過柔性切換有效地操作高端和同步MOSFET，避免了其在常規PWM操作和定時期間產生的損耗。 另一種正弦振幅轉換器拓撲(Sine Amplitude Converter, SAC)是一個處於BCM模組核心位置的動態、高效能引擎。基於變壓器的串聯諧振拓撲結構，在等於初級側儲能電路諧振頻率的固定頻率下工作。初級側的開關FET鎖定為初級的自然諧振頻率，在零交叉點開關，可消除開關中的功耗，提高效率，顯著減少高階雜訊諧波的產生。初級諧振迴路是純正弦曲線，可減少諧波內容，提供更乾淨的輸出雜訊頻譜。由於SAC的高工作頻率，可使用較小的變壓器來提高功率密度和效率。 採用SAC的架構因為雜訊少，張仁程提到，該架構也具有容易濾波、減少EMI、容許使用最高規格的零件、沒有開關損耗、低峰值/平均電流或電壓比例、可以進行雙向傳輸、快速瞬變響應、純電阻及低阻抗輸出、沒有能量儲存等優點。 電源晶片與處理器整合設計為趨勢 另外在電路模組的設計上，就算電源管理晶片本身的效率極佳，在系統設計上也可能因為線路的耗損導致效率降低，這俗稱為「最後一吋(Last Inch)」問題，為了解決類似問題，張仁程解釋，整合電源管理晶片的Power on Package設計越來越受重視，可以縮減90%的pin腳，不過這類設計需要與晶片電路設計整合，加上半導體封裝廠商的專業協助，同時考量電源晶片與處理器晶片互相干擾的問題，預計還要二~三年發展時間。 已經被提出的Power on Package架構有橫向(Lateral Power...

隨著自駕車相關技術不斷演進，各廠牌為搶占自駕市場，紛紛合作結盟，加速技術研發與產品上市。近日現代汽車(Hyundai)宣布與零件大廠Aptiv合作，投入16億美元資金創建合資企業，搶攻自駕車市場版圖。 現代汽車集團執行副主席鐘義善表示，這項新的合作關係代表Aptiv朝著實現自駕商業化的共同目標邁出了第一步。Aptiv和現代汽車的能力加值將可以創造寶貴的協同效應，加速在自動駕駛領域的發展。 現代聯合Aptiv發布共同聲明，表示旗下子公司起亞(Kia)汽車、零件公司現代摩比斯(Mobis)將共同投入16億美元資金，以及投入4億美元於研發及資源發展，合資企業初步估值為40億美元。上述聲明指出，Aptiv將擁有合資企業50%股權，並將投入自動駕駛技術與相關知識產權，幫助合資企業擴展自動駕駛解決方案。 此合資公司將推動SAE 4級和5級自動駕駛技術的設計、開發和商業化。該合資企業將於2020年開始測試完全無人駕駛系統(SAE 5級)，並於2022年開始為機器人自動化廠商、車隊營運商和汽車製造商提供自動駕駛平台。 Aptiv總裁兼執行長Kevin Clark表示，此次合作夥伴關係進一步增強了Aptiv在先進駕駛輔助系統(ADAS)、車輛連接解決方案和智慧汽車架構開發方面的技術能力。現代汽車集團的技術和研發能力使他們成為Aptiv促進自動駕駛平台開發的最佳合作夥伴。 合資公司將以韓國作為關鍵技術中心、汽車改裝基地和自動駕駛行動服務平台的試驗場域。現代汽車集團在韓國汽車市場的影響力以及5G基礎設施有望加速自駕技術的發展。 現代汽車與Aptiv結盟合資公司，共同耕耘自駕車相關技術。  

5G、AI、物聯網與自駕車的發展可望於2025年將全球IC營收提升到1,728億美元，同步帶動半導體產業擴廠與產線更新的需求；產線投資的高昂成本與日趨複雜的製程技術，則令半導體業者對廠區規劃的要求日益嚴苛，使得具效益與穩定性的能源管理解決方案成為台灣半導體業者穩健發展、尋求超越中國及南韓的關鍵。在半導體領域具有豐富經驗的施耐德電機(Schneider Electric)完整展出開放式物聯網EcoStruxure解決方案，從軟硬體、專家團隊到資產全生命週期管理，全方位協助業者打造高效能、安全、環保的能源解決方案。 耐德電機曾與英特爾(Intel)、甲骨文(Oracle)、三星電子(Samsung)等對關鍵電力有高度需求企業共同合作開發能源解決方案，並獲Intel選為策略性合作夥伴、頒予首選供應商獎，充分瞭解半導體業者在能源及廠房管理的痛點與需要。 施耐德電機台灣區總裁毛莉莉表示，除了基本的軟硬體產品，是否能在安全環境中運行、是否具備深度know-how的專家團隊、未來有無擴充性以及完善的資產全生命週期管理，更是半導體解決方案所必須。資安管理更是半導體產業關切的重點；施耐德電機產品通過多項資安認證，與多家國際企業的合作已證明施耐德電機系統的資訊安全性，我們更已加入國際自動化協會(ISA)成立的全球資訊安全聯盟，協助制定全球資安規範，將豐富的資安管理經驗分享給全球產業。 EcoStruxure是施耐德電機開發的創新解決方案，搭配工業物聯網(IIoT)設備的聯網感測、分析、擴增實境等先進的數位科技應用，可針對配電、電網、樓宇、IT企業機房、機器與廠房等提供節能安全控制、自動化與資產設備管理等客製化的解決方案。EcoStruxure迄今已發展成為一個龐大的生態系統，其OT設備端佈署地點超過48萬個，擁有2萬多名系統整合商和開發人員，並連結超過40種數位服務及160多萬項資產。 保護電驛是配電盤中最重要的組件，對廠房電力的穩定舉足輕重。施耐德電機將保護電驛智慧化，其中壓保護電驛Easergy P5具備多種功能，包括支援七種通訊協定、內建弧光保護，符合IEC 61850 Ed. 1和Ed. 2的資訊安全防護標準；Easergy P5更採用抽換式設計，需要維護時不需停機，10分鐘內迅速復原，大幅降低維護成本與時間。Easergy P5並整合IoT數位應用體驗，施耐德電機專家可根據EcoStruxure平台三層架構所收集的資料進行預測分析，協助客戶保護與控制關鍵資產。

聯網化是近年車輛發展的重點之一，根據產業調查機構研究指出至2020年聯網車輛將增至6,100萬輛；2016年車聯網市場產值突破190億美元，2015至2020年的年均複合成長率高達31.5%，2020年將進一步突破500億美元。車聯網(V2X)可分成車對車(V2V)、車隊基礎設施(V2I)、車對人(V2P)等幾個類別，尤其5G的R16技術標準，將是第一版5G C-V2X技術。在先進駕駛輔助系統ADAS已大量搭載到市售車上之後，車聯網可以進一步強化車輛獲得訊息的能力，為車輛安全性再加值。 包括入門的自動緊急呼叫與道路故障救援服務，未來透過車聯網還可以讓汽車更智慧化、個性化；車聯網技術主流為3GPP主導的C-V2X和IEEE發展已久的802.11p專用短距離通訊(DSRC)。在自駕功能朝向Level 3與Level 4等高階功能發展的過程中，車聯網導入應用將越來越普遍，本活動剖析5G C-V2X、DSRC技術標準發展動態，並分享車用網路的應用發展趨勢與產業商機。 車聯網應用首重反應時間 車輛聯網由來已久，近年來比較嚴格的定義為車輛主動通訊技術，事實上，車輛通訊架構非常複雜，工研院資通所車載資通訊與控制系統組副組長李夏新(圖1)指出，目前已經有許多車輛通訊在運行當中，並透過不同的技術滿足不同的任務與需求，美國汽車工程師協會(SAE)就推動訂立了基本安全訊息(Basic Safety Message, BSM)，包括車輛的位置、方向、速度、行駛軌跡，成為產業共通標準，讓車輛訊息可以溝通。 圖1　工研院資通所車載資通訊與控制系統組副組長李夏新指出，反應時間就是車聯網最重要的技術指標。 除了車對車通訊的V2V之外，基礎建設與車輛的通訊V2I重點包括：地圖訊息與SPaT(Signal Phase & Timing)的路口交通號誌資訊。李夏新直言，車輛在路上行駛，速度動輒上百公里，而且馬路上突發事件瞬息萬變，反應時間就是車聯網最重要的技術指標，目前的多項無線通訊技術中，只有WAVE/DSRC可以滿足主動式安全對於反應時間的需求。一般而言，交通訊號違規警告(Traffic Signal Violation Warning)約0.1秒，彎道車速警示(Curve Speed Warning, CSW)約1秒，緊急電子煞車警示(Emergency Electronic Brake Light, EEBL)約0.1秒，碰撞前感測(Pre-Crash Sensing)更僅約0.02秒。 工研院近年也利用現有軟硬體技術，發展一系列智慧道路安全警示系統iRoadSafe，李夏新解釋，該系統的運作原理與流程為，使用雷達與光達偵測車輛與行人，接著路側運算單元與車輛運算單元會根據接收到的感測訊息，推估碰撞的可能，分別透過路側安全警示與車內安全警示發報警告，提供行人或駕駛預警，降低事故發生風險，再將資料上傳至後台儲存。 C-V2X R17版本改善延遲性 DSRC目前雖能提供較低的反應時間，滿足預防碰撞警示、隊列行駛(Platooning)與部分先進駕駛輔助功能，但傳輸速率僅達27Mbps，4G LTE...

全球半導體產業，歷經2017與2018年，由記憶體市場需求井噴帶動的連續兩年兩位數成長的榮景宣告結束，2019年產業全面修正，根據半導體貿易統計群組織(WSTS)與資策會MIC的預測，2019年全球半導體產業產值為4279億美元，較2018年衰退8.7%，2020年將成長至4373億美元，成長2.2%，呈現緩步回升的態勢。 2017年線上高畫質影音帶動資料中心(Data Center)的大幅成長，記憶體需求包括DRAM與NAND Flash跟著水漲船高，缺貨情況湧現也推升記憶體價格，全球主要記憶體廠業績倍數成長；其後又有許多充滿話題的新興科技如人工智慧(AI)、區塊鏈、自駕車、虛擬貨幣、5G等，持續帶動產業需求，造就半導體產業連續兩年兩位數成長的榮景，2017年產業成長率達21.6%，2018年在高基期環境下再度成長13.7%。 不過，熱絡的情況2019年急速降溫，上半年記憶體需求不再激情，DRAM與NAND Flash價格大幅滑落，再加上美中貿易戰影響，終端庫存過高，也拖累全年半導體產業的整體表現。資策會MIC預估，經濟成長趨緩等因素將延續到2020年，終端消費者的消費意願因經濟情勢不確定而下滑，使得廠商下單趨於保守，訂單能見度低，將影響2020年半導體產業整體表現，展望未來，產業將呈現緩步復甦，2020年成長2.2%，2021年以後產業規模預期可以恢復到2018年的水準。  

目前，較具備發展前景的技術是電腦視覺，馬羽佳強調，其具備較好的環境感知功能，也因為技術成熟、價格親民，因此導入大規模應用有相對優勢。此外，多感測器資訊融合技術也備受關注，該技術能夠對各類訊息進行篩選及融合，以提供全面的環境資訊進行決策，保障車輛行駛的穩定和安全。 PerceptIn發展適用於低速園區的自動駕駛載具，例如遊樂園、學校、科學園區等。根據不同的場景，自動駕駛技術可與載人、零售、廣告等功能的車輛結合，滿足不同的使用需求。 PerceptIn的視覺感測技術可讓自駕車辨識行駛過程中的車及行人，達到避障效果，辨識速度低於0.1秒，準確率達90%以上。 馬羽佳說明，PerceptIn透過優化系統內部資料傳輸以降低系統延遲，並將系統到電腦之間的傳輸優化，基於不同架構平台包括GPU、FPGA等的移植加速。而為了提高準確率，該公司也針對視覺演算法本身，同時使用深度學習和幾何視覺方法，達到視覺資訊交叉驗證；以「安全低速」為核心，讓自駕應用進行成本有效控制與採用相對成熟、可靠技術的前提下快速落地。 PerceptIn商務拓展經理馬羽佳指出，該公司降低系統延遲，並提高準確率，以「安全低速」為自駕技術應用發展核心。